基于目标威胁规则的雷达情报按需分发

针对预警监视网络中信息过载的问题,为了提高情报分发的效率,提出了基于目标威胁规则的情报按需分发方法。依据目标特征以及保卫对象,利用模糊综合决策和层次分析法估计目标威胁值,在此基础上,通过设定阈值过滤,并与用户作战需求模型动态匹配,最终将所得到的目标情报信息分发给特定情报用户。仿真表明,该方法能够有效地实现情报的按需分发。     

基于内容的战场信息分发系统研究

战场信息的按需分发技术是战场信息服务的关键技术。针对目前战场信息按需共享能力不足的问题,通过分析作战用户的信息需求特点,建立了一个基于内容的信息分发系统模型,并对战场信息的元数据描述、信息需求模型的构建以及信息推荐等系统实现的关键技术进行了研究。与其他传统信息分发系统相比,基于内容的信息分发系统能更好满足海量战场信息精准、按需共享的需求。     

基于特征的态势信息及需求关联性模型研究

介绍了信息栅格体制下作战信息按需分发机制,分析了战场态势信息的内容特征,提出了基于信息特征的态势信息域及信息需求集的建模方法,提出了基于加权欧氏距离的态势信息需求关联性模型,模型计算简单迅速,便于计算机实现,对信息栅格体制下的信息分发管理研究具有一定的理论和实践意义。     

基于PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...     

战场信息分发系统中的高效模糊匹配算法

匹配算法是基于内容的发布/订阅系统中的一项关键技术。针对目前战场信息按需共享能力不足的问题,建立了一种以基于内容的发布/订阅技术为基础的战场信息分发系统模型,结合作战用户信息需求的主观性和模糊性特点,充分利用订阅约束间的逻辑覆盖关系,设计了一种适用于战场信息分发共享的高效模糊匹配算法。通过实验分析了该算法中订阅信息组织模式进行匹配和订阅信息维护的时间和空间效率,实验结果表明了该算法设计的合理性与高效性。     

多特征融合文本聚类的新闻话题发现模型

融合新闻命名实体、新闻标题、新闻重要段落、文本语义等多特征影响,提出基于多特征融合文本聚类的新闻话题发现模型。模型根据新闻的多特征影响,提出一种多特征融合文本聚类方法。该方法针对新闻标题、新闻重要段落等特征因素构建向量空间模型及相似度算法,基于潜在狄利克雷分配模型构建主题空间模型及相似度算法,针对命名实体构建命名实体模型及相似度算法,并将三种相似度算法形成最优融合。基于多特征融合文本聚类方法,模型改进了用于新闻话题发现的Single-Pass算法。实验是在真实新闻数据集上开展的,实验结果表明:该模型有效地提高了新闻话题发现的准确率、召回率和综合评价指标,并具有一定的自适应能力。     

带有可信度因子的直觉模糊近似推理方法

针对基于相似度的直觉模糊近似推理问题,提出一种基于加权相似度量的直觉模糊推理方法。首先定义一种新的直觉模糊相似度度量公式,加入权重参数解决各维特征分配不均匀的问题,弥补了现有直觉模糊相似度量的缺陷。然后构建基于直觉模糊产生式规则的直觉模糊近似推理模型,加入可信度因子解决了随机性引起的信息不确定问题,同时给出模型的推理算法和计算步骤。最后通过实例验证了该方法的实用性和有效性,其在意图识别、目标识别等信息融合领域有良好的应用前景。     

基于相似性的装备部件剩余寿命预测研究

基于相似性的剩余寿命预测方法是一种新兴的部件剩余寿命预测方法。首先介绍了基于相似性的剩余寿命预测方法的基本思想,然后对采用此方法的流程进行了分析。根据欧几里得距离函数构建了相似度函数,然后以相似度为自变量确定了权重分配函数,并利用加权思想确立了剩余寿命预测模型。通过实例分析,验证了该方法的有效性。     

基于多目标多特征的模糊数据关联

在弹道导弹飞行中段多目标跟踪过程中,传统的数据关联方法只利用目标距离、方位、状态等与计算直接相关的信息,针对传统数据关联存在误跟、失跟的问题,提出一种基于多目标多特征的模糊相似度关联算法。该算法同时利用目标尺寸、形状、材料3种属性特征,应用模糊数据关联计算雷达观测目标间的相似度,利用蒙特卡罗法验证其正确率。     

基于加权网络模型的指挥节点重要度评估方法

指挥节点重要度评估是研究指挥网络可靠性和抗毁性的重要内容。通过定义加权网络节点重要度贡献矩阵,提出了一种利用节点重要度评价矩阵确定加权网络关键节点的相对重要度的方法,该方法能充分考虑节点的位置信息、邻接节点的重要度贡献关系;结合作战任务对社区的依赖度,设计了节点全局重要度评估算法,并利用该算法对典型网络节点重要度进行了分析,结果表明算法有效、可行。     

基于Beta信誉模型的虚假Web服务QoS反馈滤除算法

针对由于Web服务推荐用户提交虚假QoS反馈而导致的QoS预测准确度下降问题,提出了一种基于Beta信誉模型的虚假QoS反馈滤除算法。该算法首先将若干个经过认证的中心用户作为初始可信用户集;然后,评估用户反馈数据与可信用户集反馈数据的偏离程度;最后,根据用户提交的偏离反馈次数对其信誉度进行评估,并将信誉度高于可信阈值的用户判定为可信用户,使可信用户集得到更新。通过循环执行以上过程,大部分虚假用户将被分离出系统。实验结果表明:该算法具有较强的虚假用户筛查能力,可有效提升QoS预测算法的抗攻击能力。     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。     

基于用户相关反馈的排序学习算法研究

在信息检索中,系统需要根据用户查询将文档按照相似度大小进行排序,吸引了众多信息检索和机器学习领域研究者的眼球,并形成了诸多排序算法模型。然而并未考虑到查询短语与文档构成的特征对与用户相关反馈之间存在的同质性。在机器学习算法基础上,通过提取训练样本的主要特征进行有效聚类,并结合用户的相关反馈获取各个类中相关度判断的置信值,形成相似度判定模型,应用该模型来对测试样本进行相关度排序。算法对LETOR数据集进行了测试,实验表明,信息检索性能指标比其他排序算法有了进一步提高,并且无需复杂的数据预处理工作和手动设定算法参数。     

基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

基于路径加权的军事通信网波动性评估算法

波动性是网络拓扑层抗毁性的一项重要参考指标。针对军事通信网拓扑层波动性评估问题,将传统评估算法改进后提出了一种基于路径加权的新算法。不再将网络所有链路的重要程度等量齐观,而是通过网络节点间两两通信,计算出每条链路的权值进而得到与链路相连节点的权值(波动性度量值),用所有节点权值的均方差评估网络波动性。最后基于布尔行列法对复杂网络路由探寻的准确性,分别将新算法与传统算法应用于复杂网络波动性评估并进行比较。结果表明:传统评估算法具有不准确性,而新的算法不仅评估量化更为细致,而且对节评估准确无误,新算法完善可靠。     

基于多Agent协作的战场信息共享系统研究与实现

针对联合作战中分布、动态的战场环境和海量的战场信息,满足不同作战实体对战场信息资源共享的需求,构建了一个基于多智能体的、面向作战任务的信息资源共享模型,并提出了一种新颖的基于相似度的用户动态聚类方法。从用户的资源请求中发现用户兴趣和用户之间的相似度,通过交互机制有效地将相同兴趣的用户及资源智能体关联起来,提高作战主体获取战场信息的能力。实验证明该算法具有较高的效率和良好的可扩展性。     

信息推荐系统中的朋友关系预测算法设计

伴随着互联网规模的不断扩展,信息过载问题越来越突出。信息推荐系统被视为解决信息过载问题的最有效方法。然而目前的方法大多数仅考虑用户独立的反馈,而忽略用户的社会属性对推荐的重要作用,这对信息推荐系统的性能会造成巨大的影响。为此,本文提出了基于朋友关系预测的信息推荐算法,将用户的社会关系预测引入信息推荐过程中,分别基于用户的拓扑信息及历史交互信息建立用户社会关系的存在性判定及关系类型判定,并利用线性回归分析方法和逻辑回归分析方法实现了基本特征的融合。最后,通过在Epinions和Slashdot真实数据集上的实验证明,本方法能够有效提高用户社会关系预测的准确性。     

火力打击条件下Ad hoc网络节点毁伤程度评估

Ad Hoc网络在信息化战场的广泛应用,需要快速有效地评估火力打击对网络的毁伤程度。从Ad hoc网络自身属性出发,结合网络的内部测度和外部测度,给出了节点有效度、节点修复度以及节点连通度等指标计算模型。构建了节点毁伤程度加权邻接矩阵,提出了一种基于复杂网络团簇结构划分的节点毁伤程度评估方法,根据权值的相似程度对节点的毁伤程度进行归类,并给出了示例分析。最后将本算法与模糊聚类算法进行对比分析,结果证明了方法的正确性。     

基于合成特征参数和脉冲样本图的雷达信号分选

雷达脉冲信号的分选是电子战争中的研究热点,同时也是难点问题.针对雷达所截获的辐射源脉冲提出了一种基于合成特征参数值(CCP)的脉冲样本图分选算法.算法利用全脉冲数据的特征参数,根据每一个特征参数的差异性对特征参数值进行编号,通过编号值可以得到依据该特征参数值对脉冲的分类个数,进而计算出单一特征值的加权系数.通过加权系数对每一个特征参数的加权得到合成的特征参数,然后结合每一类信号的脉冲到达时间,提出了脉冲样本图匹配分选的新算法.与传统的PRI分选相比,脉冲样本图分选具有较小的运算量,计算机仿真试验表明该算法能够实现对信号的分选.     

图像纹理模板匹配算法的改进与实现

为了提高图像匹配算法的实时性和复杂场景跟踪的稳定性,改进一种基于图像纹理的模板匹配算法(TTM).在模板与目标图像中分别提取水平、垂直方向上的二值化纹理特征矩阵,然后根据字节同或逻辑运算分别计算两个方向上的最佳匹配值,最后,通过加权求和得到最终的目标相关置信度.其中逻辑运算可以并行处理,所以计算量将大大减少,因此具有很强的实时性.又因为跟踪过程中,目标图像必然存在突发性的变化,对模板合理地进行更新是目标跟踪的关键,在上述的图像相似度度量方法的基础上,另外又提出了一种非常有效的模板修正方案,从而使得跟踪算法对环境的适应能力和稳定性得到大大提高.实验结果证明了该方法的优越性.